Académique Documents
Professionnel Documents
Culture Documents
PROBABILITE S
Exercice 3-1
Une urne contient N boules numerotees de 1 a N . On tire, au hasard et
sans remise, n boules de l'urne. On note Xi la variable aleatoire associee au
numero de la boule obtenue au i-eme tirage, ceci pour i = 1; 2; : : : ; n.
1. a) Determiner la loi de la variable aleatoire Xi . Preciser son esperance et
sa variance.
b) Determiner la loi du n-uplet (X1 ; X2 ; : : : ; Xn).
A l'issue du n-ieme tirage les numeros obtenus sont classes par ordre croissant.
On note Yj la variable aleatoire associee au j -ieme numero, classe par ordre
croissant, obtenu parmi les n numeros.
Ainsi Y1 est la variable aleatoire min(X1 ; X2 ; : : : ; Xn ), Y2 est le nombre
aleatoire venant juste apres Y1 , par ordre croissant, etc. et Yn est la variable
aleatoire max(X1 ; X2 ; : : : ; Xn ).
2. a) Determiner la loi du n-uplet (Y1 ; Y2 ; : : : ; Yn ).
b) Determiner la loi de Yj , pour j = 1; 2; : : : ; n.
c) Determiner la loi du couple (Yj ; Yk ), pour 1 j < k n.
On conserve les notations precedentes, en se restreignant au cas ou n = 3.
3. a) Preciser la loi du couple (Y1 ; Y3 ). En deduire la loi de D = Y3 ; Y1 .
Calculer l'esperance de D.
b) Determiner la loi de Y2 . Que peut-on remarquer ?
84 ESCP 99 - Oral
c) Determiner deux estimateurs sans biais de N , l'un deni comme fonction
de D, l'autre comme fonction de Y2 .
Solution :
1. a) La variable aleatoire Xi prend ses valeurs dans l'ensemble f1; 2; : : :; N g,
ou Xi (
) = f1; 2; : : :; N g.
L'evenement (Xi = k) correspond a \ij;=11 (Xj 6= k) \ (Xi = k). Par la formule
des probabilites composees, il vient :
P (Xi = k) = N N; 1 N ;2 N ;i+1 1 = 1
N ;1 N ;i+2 N ;i+1 N
Ainsi, Xi suit une loi uniforme sur f1; 2; : : :; N g. On a alors :
E (Xi ) = N 2+ 1 ; V (Xi ) = N 12; 1
2
N
La variable aleatoire D est a valeurs dans f2; : : : ; N ; 1g, et :
NX
;k NX ;k C 1
P (Y3 ; Y1 = k) = P [(Y3 = j + k) \ (Y1 = j )] = k ;1
j =1 j =1 NC 3
= (N ; kC)(3 k ; 1)
N
Le calcul de l'esperance de D se fait alors aisement :
NX;1 k(N ; k)(k ; 1) 1 NX ;1
E (D) = C 3
= C 3
((N + 1)k2 ; Nk ; k3 ) = N 2+ 1
k=2 N N k=2
b) Determinons la loi de Y2 . Par les questions precedentes, on a :
Y (
) = f2; : : : ; N ; 1g; et P (Y = k) = (k ; 1)(N ; k)
2 2
CN3
On remarque que D et Y2 suivent la m^eme loi d'ou E (Y2 ) = N 2+ 1 .
c) D0 = 2D ; 1 et Y 0 = 2Y2 ; 1 sont deux estimateurs sans biais de N . Ils
ont de plus m^eme variance ; on ne peut donc preferer l'un a l'autre.
Exercice 3-2
Soit (Xk )k2N , une suite de variables aleatoires independantes suivant toutes
la loi de Bernoulli de parametre p (avec p 2 ]0; 1[) et denies sur le m^eme
espace probabilise (
; B; P ).
On pose, pour k 2 N , Yk = Xk Xk+1 .
1. Donner la loi de Yk , ainsi que l'esperance et la variance de Yk .
2. Soient i et j deux entiers naturels distincts.
Discuter, suivant les valeurs de i et de j , de l'independance de Yi et de Yj .
3. On pose, pour n 2 N , Zn = Y1 + + Yn . Montrer que :
n
86 ESCP 99 - Oral
8 " > 0; nlim
;
!1 P jZn ; p j " = 0
2
Solution :
1. Pour tout k 2 N ; Yk suit une loi de Bernoulli de parametre p(Yk = 1). Or
(Yk = 1) = (Xk = 1) \ (Xk+1 = 1).
Par l'independance des (Xk ), p(Yk = 1) = p2 . Finalement :
E (Yk ) = p2 ; V (Yk ) = p2 (1 ; p2 )
2. Si j 6= i ; 1 ou j 6= i +1, les variables aleatoires Yi et Yj sont independantes
commes fonctions de variables aleatoires independantes.
Par contre, P (Yi Yi+1 = 1) = P (Xi Xi2+1 Xi+2 = 1) = p3 ,
alors que P (Yi = 1)P (Yi+1 = 1) = p2 . Les variables Yi et Yi+1 ne sont pas
independantes.
3. Calculons l'esperance et la variance de Zn .
Xn
E (Z ) = 1 E (Y ) = p2
n n k=1 k
et 0 1
X
n X
V (Zn ) = n12 @ V (Yk ) + 2 cov(Yi ; Yj )A
i<jn
0 k =1 1
1
1 @np (1 ; p ) + 2 X
n2
2 2
cov(Yi ; Yj )A
i<jn
1
nX
;1 !
= n12 np2 (1 ; p2 ) + 2 E (Yi Yi+1 ) ; E (Yi )E (Yi+1 )
i=1
;
= n12 np2 (1 ; p2 ) + 2(n ; 1)(p3 ; p4 )
Il reste a appliquer l'inegalite de Bienayme-Chebiche a Zn , soit :
p(jZ ; E (Z )j ") V (Zn )
n n "2
avec
lim V ( Z ) = lim 1 ;np2(1 ; p2 ) + 2(n ; 1)(p3 ; p4 ) = 0
n!1 n n!1 n2
Probabilites 87
Exercice 3-3
Soit X une variable aleatoire reelle a densite, de loi uniforme sur l'intervalle
]0; 1], et b un nombre reel strictement positif.
1. On pose Y = ;b ln(X ). Determiner une densite de Y , ainsi que son
esperance et sa variance.
Soient Y1 et Y2 deux variables aleatoires reelles independantes de m^eme loi
que Y .
On pose : U = Y1 + Y2 ; V = Y1 =Y2 (quotient de Y1 par Y2 ), S = ln(V ).
2. a) Determiner une densite de U .
b) Determiner une densite de S (on determinera au prealable une densite de
T = ; ln Y2 ).
c) En deduire une densite de V , puis une densite de la variable aleatoire W
denie par W = 1 +1 V .
Preciser l'esperance et la variance de W .
d) En exprimant W en fonction de Y1 et de Y2 , montrer que la valeur de
l'esperance de W etait previsible.
e) Calculer E (UW ) ; E (U )E (W ). Quelle remarque peut-on faire ?
Solution :
1. On a Y (
) = R+ , et pour tout y > 0 :
P (Y < y) = P (X > e; b ) = 1 ; e; b
y y
s s
fS (s) = (1 +e es )2 ;(2) = (1 +e es )2
c) On a V = exp(S ); V (
) = R+ et une densite de V est denie pour v 0
par fV (v) = (1 +1 v)2 .
On sait que W (
) =]0; 1] et pour tout 0 < w 1 :
1
P (W < w) = P (V > 1 ; 1) = 1 ; F
w V w ;1
On obtient ainsi, pour la densite de W :
1 1
fW (w) = ;fV w ; 1 ; w2 = 1
ce qui donne que W suit une loi uniforme sur ]0; 1]. Ainsi E (W ) = 21 ; V (W ) =
1.
12
d) On sait que W = Y Y+2 Y = 1 ; Y Y+1 Y = 1 ; W 0 . Comme Y1 et Y2 jouent
des r^oles symetriques, W et W 0 suivent la m^eme loi, et E (W ) = E (W 0 ) = 1=2.
1 2 1 2
soit : (0
si t < 0
FR2 (t) = t si 0 t < 1
1 si t 1
ce qui signie que R2 suit une loi uniforme sur [0; 1[.
Probabilites 91
Pour k = 2, on a : 8S
>
< 1 2 si 0 S2 < 1
R = > SS ; 2 si 1 S2 < 2
2
: S ;; 23
2 si 2 S2 < 3
si 3 S2 < 4
et de m^eme que precedemment, pour t 2 [0; 1[, par disjonction et inclusion :
2
=t
De m^eme que precedemment, R2 suit une loi uniforme sur [0; 1[.
3. Peut-on envisager de montrer par recurrence que Rn suit une loi uniforme
sur [0; 1[ ?
c'est vrai pour n = 1; 2.
supposons que Rn suive une loi uniforme sur [0; 1[. Alors Rn+1 = f (Sn+1 ) =
f (f (Sn ) + Xn+1 ) = f (Rn + Xn+1 ). Or Rn et Xn+1 suivent chacune une loi
uniforme sur [0; 1] et sont independantes. Par la question precedente, Rn+1
suit une loi uniforme sur [0; 1[.
Exercice 3-5
Soit n 2 N ; n 2.
n vehicules numerotes de 1 a n sont engages dans un rallye automobile. Ils
nissent une etape entre minuit et une heure du matin.
Pour tout i 2 f1; : : :; ng, on note Ui la variable aleatoire egale a l'heure
d'arrivee du vehicule i. On suppose que les variables (Ui ) sont independantes
et suivent une loi uniforme sur [0; 1].
Pour t 2 [0; 1], on note Nt la variable aleatoire representant le nombre de
vehicules arrives au plus tard a l'instant t.
Enn, pour tout i 2 f1; : : : ; ng, on note Ti la variable aleatoire representant
l'heure d'arrivee du vehicule classe en i-ieme position.
1. Determiner la loi de Nt .
2. Soit i 2 f1; : : :; ng. Determiner, sous forme d'une somme, la fonction de
repartition de Ti , puis une densite et l'esperance de Ti .
Solution :
92 ESCP 99 - Oral
1. Chaque variable aleatoire Ui suit une loi uniforme sur [0; 1]. Ainsi pour
tout t reel, P (Ui t) = t.
Chaque voiture a la probabilite t d'arriver avant l'instant t, les heures
d'arrivee sont independantes et Nt representant le nombre de voitures arrivees
avant l'instant t, suit une loi binomiale B(n; t).
2. Pour tout i 2 f1; : : : ; ng, notons Fi la fonction de repartition de la variable
aleatoire Ti .
Pour tout t 2]0; 1[ ,
X
n
Fi (t) = P (Ti t) = P (Nt i) = Cnk tk (1 ; t)n;k
k =i
Ainsi, pour tout t reel :
80 si t 0
>
<X n
Fi (t) = > Cnk tk (1 ; t)n;k si t 2]0; 1[
: 1k i
=
si t 1
La fonction Fi verie les proprietes des fonctions de repartition des variables
a densite (F est continue, derivable sauf peut-^etre en 0 et 1, de limite 0 en
;1 et 1 en +1).
Pour tout 0 < t < 1 :
X
n nX
;1
F (t) = C kt (1 ; t) ; C k (n ; k)tk (1 ; t)n;k;1
0
i
k k ;1
n
n; k
n
k=i k =i
nX
;1 nX
;1
= Cnk+1 (k + 1)tk (1 ; t)n;k;1 ; Cnk (n ; k)tk (1 ; t)n;k;1
k=i;1 k=i
nX
;1 ;
= Cni iti;1 (1 ; t)n;i + (k + 1)Cnk+1 ; (n ; k)Cnk tk (1 ; t)n;k;1
k=i
= Cni iti;1 (1 ; t)n;i
Z 1
et E (Ti ) = iCni ti (1 ; t)n;i . Une integration par parties donne que :
0
Z Z
ti (1 ; t)n;i dt = ni +;1i ti+1 (1 ; t)n;i;1 dt
1 1
Ji =
0 0
= i + 1 Ji+1 = = (i + 1)(i +n ;
n ; i ( i)!
2) : : : (n + 1)
Probabilites 93
et i
E (Ti ) = (i +iC n
1)C i
= n +i 1
n+1
Exercice 3-6
Une urne contient des boules blanches en proportion p et des boules rouges
en proportion q, toutes indiscernables au toucher, avec q = 1 ; p et 0 < p < 1.
On procede a une suite de n tirages au hasard d'une boule de l'urne, dont
on note la couleur avant de la replacer dans l'urne, n etant un entier naturel
superieur ou egal a 3, xe a priori. On constitue ainsi des series unicolores,
au gre des couleurs obtenues dans la suite des n tirages. Par exemple, pour
n = 9, en notant B l'obtention d'une boule blanche et R l'obtention d'une
boule rouge, la suite de resultats B; B; R; B; R; R; R; B; B fournit 5 series
unicolores : BB , puis R, puis B , puis RRR, et enn BB .
Soit X la variable aleatoire qui compte le nombre de series unicolores obtenues
a l'issue des n tirages.
1. Calculer :
a) la probabilite P [X = m].
b) la probabilite P [X = M ],
m et M designant respectivement les valeurs minimales et maximales que
peut prendre X .
On designe par Yi la variable aleatoire valant 1 lorsqu'une boule blanche est
obtenue au (i ; 1)-ieme tirage et une boule rouge est obtenue au i-eme tirage,
valant 0 sinon.
Symetriquement, on designe par Zj la variable aleatoire valant 1 lorsqu'une
boule rouge est obtenue au (j ; 1)-ieme et une boule blanche est obtenue au
j -eme tirage, valant 0 sinon.
2. Exprimer X en fonction des Yi et des Zj . En deduire l'esperance de X .
Tout au long de la suite des n lancers, on gagne un Euro a chaque fois que
l'obtention d'une boule blanche est immediatement suivie de l'obtention d'une
boule rouge ; inversement, on perd un Euro a chaque fois que l'obtention d'une
boule rouge est immediatement suivie de l'obtention d'une boule blanche.
Soit Gk la variable aleatoire representant le gain global en Euro(s), (positif
ou negatif), obtenu a l'issue du k-ieme tirage.
3. a) Determiner les lois de G1 ; G2 ; G3 .
94 ESCP 99 - Oral
b) Montrer que les variables Gk ; k > 1, sont toutes de m^eme loi.
c) Preciser l'esperance et la variance de Gk .
d) En utilisant la question precedente, calculer la variance de X .
Solution :
1. Le nombre de series unicolores est compris entre 1 et n. Donc X (
) 2
f1; : : : ; ng.
L'evenement (X = 1) correspond a des series unicolores de longueur n, soit
de boules blanches, soit de boules rouges. Aussi P (X = 1) = pn + qn .
L'evenement (X = n) correspond a un changement de couleur a chaque
tirage. Aussi
si n = 2k est pair, l'evenement (X = n) correspond au tirage (BRBR : : : BR)
ou (RBRB : : : RB ) et P (X = n) = 2(pq)k .
si n = 2k + 1 est impair, l'evenement (X = n) correspond au tirage
(BRBR : : : BRB ) ou (RBRB : : : RBR) et P (X = n) = pk+1 qk + pk qk+1 =
(pq)k .
2. Les variables aleatoires (Yi ) et (Zj ) representent les ruptures de couleurs.
En eet l'evenement (Yi + Zi = 1) correspond a un changement de couleur.
Xn X
n
Aussi X = 1 + Yi + Zj . Les variables aleatoires (Yi ) et (Zj ) suivant
i=2 j =2
toutes des lois de Bernoulli de parametre pq, on a E (X ) = 1 + 2(n ; 1)pq.
3. a) La variable aleatoire G1 est certaine : G1 (
) = f0g; E (G1 ) = 0; V (G1 ) =
0.
La variable aleatoire G2 prend ses valeurs dans f;1; 0; 1g et :
P (G2 = 1) = pq; P (G2 = ;1) = pq; P (G2 = 0) = 1 ; 2pq
La variable aleatoire G3 prend ses valeurs dans le m^eme ensemble.
(G3 = 1) = (B; R; R) [ (B; B; R) ) P (G3 = 1) = pq2 + p2 q = pq
(G3 = ;1) = (R; B; B ) [ (R; R; B ) ) P (G3 = ;1) = pq2 + p2 q = pq
(G3 = 0) = (B; R; B ) [ (R; B; R) [ (B; B; B ) [ (R; R; R) ) P (G3 = 0) =
1 ; 2pq.
b) Soit k > 1. La variable aleatoire Gk est a valeurs dans f;1; 0; 1g. En eet
l'evenement (jGk j 2) est impossible puisque perdre (ou gagner) un second
Euro necessite d'avoir gagne (ou perdu) le premier.
l'evenement (Gk = 1) signie avoir obtenu une boule blanche au premier
tirage, une boule rouge au k-ieme et des resultats quelconques entre ces deux
Probabilites 95
tirages. Aussi :
kX
;2
P (Gk = 1) = pq Cki ;2 pi qk;2;i = pq
i=0
l'evenement (Gk = ;1) signie avoir obtenu une boule rouge au premier
tirage, une boule blanche au k-ieme et des resultats quelconques entre ces
deux tirages. Aussi :
kX
;2
P (Gk = ;1) = pq Cki ;2 pi qk;2;i = pq
i=0
ainsi P (Gk = 0) = 1 ; 2pq.
c) Par des calculs evidents, il vient, pour k > 1; E (Gk ) = 0 et V (Gk ) = 2pq.
X
n X
n
d) On peut ecrire Gn = Yi ; Zj = Y ; Z . Ainsi :
i=2 j =2
V (G
n ) = V (Y ) + V (Z ) ; 2cov(Y; Z ) = 2pq
V (X ) = V (Y ) + V (Z ) + 2cov(Y; Z )
Or Y et Z suivent la m^eme loi en inversant les r^oles de B et R. Aussi :
V (X ) = 4V (Y ) ; 2pq
Mais :
X
n X
V (Y ) = V (Yi ) + 2 cov(Yi ; Yj ) = (n ; 1)pq(1 ; pq) ; 2(n ; 2)(pq)2
i=2 2 i<jn
En eet, si j i + 2, les variables Yi et Yj sont independantes (il n'y a pas
de tirage commun) et si j = i + 1; Yi Yj = 0 et cov(Yi ; Yj ) = ;E (Yi )E (Yj ) =
;(pq)2 . Finalement :
V (X ) = (4n ; 6)pq ; (12n ; 20)(pq)2
Exercice 3-7
Soit n un entier naturel strictement positif, inconnu a priori.
Une urne contient des jetons a deux faces portant chacun, sur une des faces
un numero bleu, et sur l'autre face un numero rouge. On sait que, sur
l'ensemble des jetons de l'urne, k exactement portent le numero bleu k, ceci
pour k = 1; 2; : : : ; n, et que, parmi les k jetons portant le numero bleu k, un
et un seul porte le numero rouge i, ceci pour i = 1; 2; : : :; k.
96 ESCP 99 - Oral
1. Determiner, en fonction de n, le nombre de jetons contenus dans l'urne.
On tire au hasard un jeton de l'urne. On designe par B la variable aleatoire
associee a son numero bleu, et par R la variable aleatoire associee a son
numero rouge. On pose, d'autre part, G = B ; R.
2. a) Determiner la loi du couple (B; R).
b) En deduire les lois de B et de R. Calculer leurs esperances et leurs
variances.
c) Suite au tirage d'un jeton, on gagne G. Preciser l'esperance de G et calculer
la variance de G.
3. Deduire de b) et c), trois estimateurs sans biais de n, l'un etant une fonction
de B , le second une fonction de R et le troisieme une fonction de G. Preciser
leurs variances respectives. Lequel est le plus indique pour estimer n ?
Solution :
1. Le nombre total de jetons est egal a :
Xn
k = n(n2+ 1)
k=1
2. a) Le couple aleatoire (B; R) verie :
(B; R)(
) = f(i; j ) 2 N 2 j 1 j i ng
et pour tout (i; j ) 2 (B; R)(
) :
P ((B; R) = (i; j )) = n(n1+1) = n(n2+ 1)
2
b) Il vient immediatement que B (
) = f1; : : : ; ng et pour tout 1 i n :
Xi
P (B = i) = P ((B; R) = (i; j )) = n(n2+i 1)
j =1
Ainsi :
Xn
E (B ) = n(n2+ 1) i2 = 2n 3+ 1 ;
i=1
Xn
E (B 2 ) = n(n2+ 1) i3 = n(n2+ 1) ;
i=1
n
V (B ) = 18 2
2
+ n ;
Probabilites 97
La loi de R est tout aussi immediate. On a R(
) = f1; : : :; ng et pour tout
1jn:
X n
P (R = j ) = P ((B; R) = (i; j )) = 2(nn(;n +j +1)1)
i=j
Un calcul elementaire donne E (R) = n + 2
3 ; V (R) = V (B ).
c) La variable aleatoire G est egale a B ; R. Aussi E (G) = E (B ) ; E (R) =
n ; 1 , et :
3
V (G) = V (B ) + V (R) ; 2cov(B; R) = n +18n ; 2
2
En eet :
X n X i
E (BR) = ijP ((B; R) = (i; j ))
i=1 j =1
Xi X
n
= n(n2+ 1) ij
i=1 j =1
= n(n4+ 1) + 2n 6+ 1
et :
cov(B; R) = n(n4+ 1) + 2n 6+ 1 ; (2n + 1)( 9
n + 2)
3. Posons B 0 = 3B2; 1 ; R0 = 3R ; 2; G0 = 3G + 1. Ces trois variables
aleatoires ont pour esperance n et sont des estimateurs sans biais de n. Et :
V (B 0 ) = n +8n ; 2 ; V (R0 ) = V (G0 ) = n +2n ; 2
2 2
Z b E (S )
E (T ). De plus, on a l'egalite E (S ) = E (T ) si et seulement si (G(x) ;
F (x))dx = 0 ce qui entra^ne F = G (puisque F ; G est positive et continue),
0
3. On pose f (x) = 1 +x x .
minoree par 0. Elle converge donc vers une limite L 0 qui verie L L
donc L = 0 lorsque < 1.
2. a) Par independance, on a :
Y
n
pn = (1 ; x1 )(1 ; x2 ) : : : (1 ; xn ) = (1 ; xk )
k=1
b) Comme ppn+1 = 1 ; xn < 1, la suite (pn ) est decroissante, et minoree par
n
0. Elle admet donc une limite `.
` = 0 signie obtenir une innite d'echecs, car les evenements En =hh obtenir
n echecs lors des n premieres epreuves ii, forment une suite decroissante
d'evenements. n
X
c) On a ln pn = ln(1 ; xk ). La suite (xn ) etant convergente vers 0, on
k=1 P
sait que pour n grandPln(1 ; xn ) ;xn . Ainsi la serie xn diverge si et
seulement si la serie ln(1 ; xn ) diverge c'est-a-dire si et seulement si la
limite n!lim
+1
ln(pn ) n'existe pas ou encore si et seulement si ` = 0.
3. On verie aisement que la fonction f : x 7! 1 +x x verie les conditions de
la premiere question,sauf pour = 1. Mais, pour tout n 2 N :
1 1 xn 1
x ; x = 1+x ; x =1
n +1 n n n
La suite x 1 ; x1 est convergente vers 1 (ici m^eme egale...). On peut
n+1 n n
ecrire : nX;1 1 1 1
; 1 = x ;x =n
k=0 xk+1 xk n 0
1 1 P
donc n et x . Ainsi la serie x diverge et ` = 0.
xn n n n
104 ESCP 99 - Oral
Exercice 3-11
1. Soient X et Y deux variables aleatoires denies sur le m^eme espace
probabilise (
; B; P ), independantes, de m^eme loi, a valeurs dans N et telles
que :
8 n 2 N ; P (X = n)0.
Les variables X + Y et X ; Y sont-elles independantes ?
2. Reciproquement, on suppose que X et Y , a valeurs dans N , sont telles que
X + Y et X ; Y sont independantes.
Les variables aleatoires X et Y sont-elles independantes ?
3. Soient X et Y a valeurs dans N , possedant une variance, telles que X + Y
et X ; Y soient independantes. Comparer la variance de X et celle de Y .
Solution :
1. La reponse est negative. En eet, on a P (X + Y = 1) 6= 0; P (X ; Y =
0) 6= 0, mais P ((X + Y = 1) \ (X ; Y = 0)) = 0.
2. Ici encore la reponse est negative. En eet, si X est une variable aleatoire
a valeurs dans N et si Y = X , alors X + Y = 2X; X ; Y = 0, et 2X est
independante de 0, alors que X ne l'est pas de X .
3. Comme X + Y et X ; Y ont une variance, leur produit a une esperance
et par independance E ((X + Y )(X ; Y )) = E (X + Y )E (X ; Y ), soit en
developpant :
E (X 2 ) ; E (Y 2 ) = E 2 (X ) ; E 2 (Y ) ) V (X ) = V (Y )
Exercice 3-12
On admet le resultat suivant :
Soit (un;k )n2N;k2N une suite a deux indices de reels positifs ou nuls telle que :
X1
a) pour tout k 2 N , la serie un;k converge. On note Sk sa somme ;
n=0
X
1
b) la serie Sk converge.
k=0
Alors on peut permuter les symboles
P, c'est-a-dire que l'on a :
X
1 X
1 X
1 ! X 1 X 1 !
Sk = un;k = un;k
k=0 k=0 n=0 n=0 k=0
Probabilites 105
1. Soit (
; A; P ) un espace probabilise et (X; N ) un couple de variables
aleatoires discretes denies sur
a valeurs dans N . On suppose que X admet
une esperance. Montrer que si on note E (X j N = n) l'esperance de la loi
conditionnelle de X sachant (N = n), on a :
X
1
E (X ) = E (X j N = n):P (N = n)
n=0
2. Une experience consiste a eectuer des lancers successifs et independants
d'une piece donnant hh pile ii avec la probabilite p 2 ]0; 1[ et hh face ii avec la
probabilite q = 1 ; p.
On note N la variable aleatoire egale au nombre de tirages necessaires pour
obtenir pour la premiere fois hh pile ii.
Dans un deuxieme temps, si hh pile ii est apparu pour la premiere fois au n-
ieme tirage, on eectue n lancers de la m^eme piece et on note X le nombre
de hh pile ii obtenus lors de cette seconde serie de lancers.
Determiner l'esperance de X (on admettra que cette esperance existe).
3. Dans un casino, un jeu se deroule de la facon suivante : un croupier melange
trois cartes, qui sont l'As de Coeur, le 2 de Coeur et le Valet de Pique et les
presente sur la table face cachee. Un joueur choisit une carte au hasard. Si
celle-ci est un Coeur, il gagne la somme correspondante (1 Euro si c'est l'As
ou 2 Euros si c'est le 2) et rejoue, le croupier melangeant a nouveau les trois
cartes ; si la carte tiree est le Valet de Pique, le jeu s'arr^ete.
On note N le nombre de cartes de Coeur tirees jusqu'a l'apparition du Valet
de Pique et S la somme des Euros obtenus.
a) Determiner la loi de N . Quelle est la probabilite que le Valet de Pique
n'apparaisse jamais ?
b) Determiner la loi conditionnelle de S sachant que N = n.
c) Quel prix minimum le casino doit-il faire payer une telle partie pour ne
pas ^etre perdant en moyenne ?
Solution :
X
1
1. La serie kP (X = kjN = n) est une serie convergente, car pour tout
k=0
k 1, on a :
0 kP (X = kjN = n) kP (X = k)
et on sait que X admet une esperance.
106 ESCP 99 - Oral
X
1
On a donc, par denition E (X jN = n) = kP (X = kjN = n), et, par la
k=0
propriete admise : !
X
1 X
1 X
1
E (X ) = kP (X = k) = k P (X = kjN = n)P (N = n)
k=0 k=0 n=0!
X
1 X
1
= kP (X = kjN = n) P (N = n)
n=0 k=0
X
1
= E (X jN = n)P (N = n)
n=0
2. N represente le temps d'attente du premier hh pile ii. On sait que N suit une
loi geometrique de parametre p, soit pour tout n 2 N : P (N = n) = pqn;1 .
Or la loi conditionnelle de X conditionnee par (N = n) represente le nombre
de
hh piles ii obtenus lors de n lancers ; c'est donc une loi binomiale de parametres
(n; p). Donc pour tout 0 k n :
P (X = kjN = n) = Cnk pk qn;k ; E (X = kjN = n) = np
En utilisant la question precedente, il vient :
X
1
E (X ) = E (X jN = n)P (N = n)
n=1
X
1 X
1 !
= np pqn;1 = p2 nqn;1
n=1 n=1
= p (1 ; q)2 = 1
2 1
1 X j 1X
= 2n n
n n
j
Cn + 2n jCn
j =0 j =0
= n + n2 = 32n
et
X
1 1 3n 1 2 n
X 1X 1
2 n;1 = 3
E (S ) = E (S jN = n)P (N = n) = = n
n=0 n=0 2 3 3 3 n=1 3
Le prix minimum que le casino doit faire payer pour ne pas ^etre perdant en
moyenne doit ^etre superieur ou egal a 3 Euros.
Exercice 3-13
Soit (
; A; P ) un espace probabilise et T une variable aleatoire denie sur
Zx 2
alors (x) = '(t)dt.
;1
2. Par denition d'une fonction de repartition, on sait que pour tout x reel,
0 (x) 1, et, ici, comme e;t2 =2 > 0 pour tout t reel, on a : (x) < 1.
a) L'inegalite de Bienayme-Chebiche arme que, pour tout x reel :
P (jT j > x) 1 , P ((T > x) [ (T < ;x)) 1
x2 x2
donc que 2P (T > x) x12 ce qui correspond a 1 ; (x) 2x1 2 .
Z + 1
b) La majoration que l'on vient d'obtenir montre que l'integrale (1 ;
0
(x))dx converge. De plus, pour tout A > 0 :
ZA ZA
(1 ; (t))dt = [t(1 ; (t))]A ;
0 t'(t)dt
0 0
X
N ;
; k (;k + 1) ; (;k)
k=1
Or :
XN ; XN XN
k (k + 1) ; (k) = [(k + 1)(k + 1) ; k(k)] ; (k + 1)
k=1 k =1 k =1
NX +1
XN X
N
= [k(k) ; (k ; 1)(k ; 1)] ; (k ; 1)
k=1 k=1
NX
;1
= N (N ) ; (k)
k=0
110 ESCP 99 - Oral
Donc :
X
N ;
k p(Y = k) ; p(Y = ;k) = N ((N + 1) ; (N )) + (N + 1)
k=1
;(1) + (0) + (1) ; (N ) ; (N + 1)
Or : Z N +1 e;t2=2
N ((N + 1) ; (N )) = N p dt pN e;N 2 =2
N 2 2
tend vers 0 lorsque N tend vers l'inni. Ainsi :
XN ;
lim
N! 1 k
+
k p(Y = k) ; p(Y = ;k) = 1 ; (0) = 12
X =1
=e s!
s=0
= e;2 e
n
V (b) = e;2 e n ; 1
quantite qui tend vers 0 lorsque n tend vers l'inni.
Exercice 3-15
Soit (
; A; P ) un espace probabilise. Soit r un reel tel que 0 < r < 1. Soit X
une variable aleatoire suivant une loi de Bernoulli de parametre r et, pour
n 2, Sn une variable aleatoire suivant une loi binomiale de parametres
(n; r).
1. a) Pour tout reel t > 0, on pose g(t) = E (exp(;tX )). (E designe
l'esperance, exp la fonction exponentielle). Calculer g(t) en fonction de t
et r.
Probabilites 113
b) Justier l'egalite :
S t n
E exp ;t n = g
n n
2. Soit a un reel tel que 0 < a < r < 1 et t un reel positif xe.
a) Montrer que :
Sn
Sn
p n a = p exp ;t n ; a 1
b) Soit Y une variable aleatoire prenant un nombre ni de valeurs positives.
Montrer que p(Y 1) E (Y ). En deduire que :
Sn t n
p n a exp(at) g n
3. a) Etudier les variations de la fonction t 7! ln [exp(at)g(t)]
b) En deduire qu'il existe une constante M > 0 telle que :
Sn
p n a exp(;nM )
4. Soit " > 0 donne. Donner une interpretation probabiliste du resultat
precedent lorsque a = r ; ".
Solution :
1. a) On sait que e;tX (
) = f1; e;tg. Ainsi :
g(t) = (1 ; r) + re;t
b) Soient (X1 ; X2 ; : : : ; Xn) n variables independantes suivant une loi de
Xn
Bernoulli de parametre r, alors Snn = n1 Xi et :
!!
i=1 !
E exp ; tSn = E exp ; tX n
X = E
Yn
exp( ; tXi )
n n i=1 i n
i=1
Yn n
= E [exp(; tX n
i )] = g t
n
i=1
Sn t >0 etcomme
2. a) Comme
S n
la fonction
exponentielle
Sn est bijective,
on peut
ecrire : n a = n ; a 0 = ;t n ; a 0
= exp ;t Snn ; a 1
114 ESCP 99 - Oral
b) On suppose que Y (
) = fy1; y2 ; : : : ; yn g, avec yi 0, pour tout i 2
f1; : : : ; ng. On a alors :
X
n X X
E (Y ) = yi P (Y = yi ) = yi P (Y = yi ) + yi P (Y = yi )
i=1 ijyi 1 ijyi 1
X X
yi P (Y = yi ) P (Y = yi ) = P (Y 1)
ijyi 1 ijyi 1
(On remarquera que cette inegalite reste veriee m^eme si P (Y 1) = 0,
puisque l'esperance de Y est positive). Par les deux resultats precedents,
pour tout t > 0 : S
S
P n a = P exp ;t nn ; a 1
n
Sn
E exp ;t n ; a
Sn
= eat E exp ;t n
t n
= eat g n
3. a) On peut ecrire ' : t 7! at + ln(re;t + 1 ; r). Cette fonction est continue
et derivable sur R+ et, pour tout t 0 :
'0 (t) = et (r ;r1) ; r + a
On a '0 (t) = 0 si et seulement si t = t0 = ln a(a(r;;1)1)r > 0 (car
0 < a < r < 1). Ainsi la fonction ' admet un minimum en t0 qui est
strictement negatif, puisque '(0) = 0.
b) Notons ;M ce minimum. On remarque que :
t n t n
eat g at=n
= e g = n( t )
n n n
avec (t) = e'(t) .Donc :
n
P Sn a e'(t=n) = en'(t=n) e;nM
n
4. Si a r ; ", il vient :
P Snn r ; " e;nM
Probabilites 115
qui tend vers 0 lorsque n tend vers l'inni. Ainsi :
Sn
lim P
n!+1 n r;" =1
Exercice 3-16
On lance une piece de monnaie jusqu'a ce que l'on obtienne pour la premiere
fois une serie d'au moins deux resultats identiques suivis d'un resultat
contraire. On arr^ete alors les lancers.
On suppose qu'on a une probabilite p d'obtenir hh pile ii et q = 1 ; p d'obtenir
hh face ii lorsqu'on lance cette piece et que les resultats des divers lancers sont
independants.
On note :
X la variable aleatoire egale au nombre de lancers eectues,
Y la variable aleatoire egale au rang du lancer ou commence la premiere
serie de resultats identiques ,
Z la variable aleatoire egale a 0 si la premiere serie de resultats identiques
est une serie de faces, egale a 1 si la premiere serie de resultats identiques est
une serie de piles.
Par exemple :
pour PFPFPPPPF , on a X = 9, Y = 5 et Z = 1.
pour FFFFP , on a X = 5, Y = 1 et Z = 0.
1. Determiner la loi du triplet (X; Y; Z ), puis du couple (X; Y ) (on pourra
separer les cas Y pair et Y impair).
2. On se place dans le cas ou p = 1=2. Determiner la loi et l'esperance de X .
3. On considere la fonction Pascal suivante :
Function f(p : real) : char ;
Var ok : boolean ;
Begin
ok :=random<=p ;
If ok Then f :='p' Else f :='f'
End ;
La fonction random, sans parametre, est une fonction qui renvoie une valeur
de type real prise au hasard dans l'intervalle [0; 1]. Chaque appel a cette
fonction donne une nouvelle valeur independante des precedentes.
116 ESCP 99 - Oral
Que rend la fonction f lorsqu'on l'execute ?
4. On desire simuler l'experience decrite dans cet exercice, lorsque p = 0:8.
A l'aide de la fonction f, ecrire un programme achant a l'ecran une serie
de lancers, et la valeur correspondante des variables aleatoires X et Y sous
la forme : PFPFPFPPPPPF 12 7.
(on utilisera une variable r : array[1..1000] of char dans laquelle on
rangera les resultats des lancers successifs obtenus.)
Solution :
1. Il est evident que Z (
) = f0; 1g et que :
(X; Y ))(
) = f(`; m) 2 N 2 j ` m + 2g.
Calculons la probabilite P ((X; Y; Z ) = (`; m; n)).
l'evenement (X; Y; Z ) = (`; 2k; 0) correspond a l'obtention d'une suite de
PF k fois, puis d'une suite de F (` ; 2k ; 1) fois qui commence au coup 2k
et un P au rang `. Ainsi P ((X; Y; Z ) = (`; 2k; 0)) = pk+1 q`;k;1 .
l'evenement (X; Y; Z ) = (`; 2k; 1) correspond a l'obtention d'une suite de
FP k fois, puis d'une suite de P (` ; 2k ; 1) fois et un F au rang `. Ainsi
P ((X; Y; Z ) = (`; 2k; 0)) = p`;k;1 qk+1 .
l'evenement (X; Y; Z ) = (`; 2k + 1; 1) correspond a l'obtention d'une suite
de PF k fois, puis d'une suite de P (` ; 2k ; 1) fois et un F au rang `. Ainsi
P ((X; Y; Z ) = (`; 2k + 1; 0)) = p`;k;1 qk+1 .
l'evenement (X; Y; Z ) = (`; 2k + 1; 0) correspond a l'obtention d'une suite
de FP k fois, puis d'une suite de F (` ; 2k ; 1) fois et un P au rang `. Ainsi
P ((X; Y; Z ) = (`; 2k + 1; 0)) = pk+1 q`;k;1 .
On sait que (X; Y ))(
) = f(`; m) 2 N 2 j ` m + 2g. Donc, pour tout
1m`;2 :
P ((X = `) \ (Y = m)) = pk+1 q`;k;1 + qk+1 p`;k;1
2. Lorsque p = 1=2, pour tout 1 m ` ; 2 :
1 `;1
P ((X = `) \ (Y = m)) = 2
et la loi de X est denie pour tout ` 3 par :
X
`;2 `;1
P (X = `) = P ((X = `) \ (Y = m)) = (` ; 2) 12
m=1
On sait que pour jxj < 1 :
X
+1 X
+1
12:n
Chebychev :
126 ESCP 99 - Oral
Pour tout a de [0; 1], P (jTn ; aj ") 5 2
12:n"
Si on veut que [Tn ; "; Tn + "] soit un intervalle de conanceq 5au risque , il
sut de prendre " tel que 5 , donc tel que " 12:n .
12:n"2
4. Le theoreme de la limite centree indique que T(nT;))a converge en loi
n n
vers une variable suivant la loi normale centree reduite.
Soit alors t=2 le quantile d'ordre =2 de la loi normale centree reduite. On
a:
P [Tn ; t=2 (Tn ) a Tn + t=2 (Tn )] = 1 ;
L'intervalle precedent n'est pas observable, puisque (Tn ) depend du parametre
inconnu a, mais V (Tn ) etant majore par 125:n , cet intervalle est toujours in-
q q
clus dans l'intervalle Tn ; t=2 125:n ; Tn + t=2 125:n , qui est, lui, observ-
able et est a fortiori un intervalle de conance pour a de risque inferieur a
.
Pour = 5%, on a t=2 = 1;96.
p
5. Le rapport de longueur des deux intervalles de conance est :t=2 . Pour
= 5%, il vaut approximativement 0;44.
Exercice 3-23
1. Montrer que pour tout nde N , la fonction fn denie par :
fn (x) = (n + 1)(1 ; x) si x 2 [0; 1]
n
0 sinon
est une densite de probabilite.
Soit Yn = nXn ou Xn est une variable aleatoire denie sur un espace
probabilise (
; B; P ) et qui admet fn pour densite.
Pour x 2 [0; n], calculer P [Yn 6 x]. En deduire que la suite de variables
(Yn )n2N converge en loi vers une variable suivant une loi exponentielle.
2. Montrer que pour tout n de N, la fonction fnn denie par :
fn(x) = (n + 1)(n + 2)x(1 ; x) si x 2 [0; 1]
0 sinon
est une densite de probabilite.
Soit Yn = nXn ou Xn admet pour densite fn .
Pour x 2 [0; n], montrer que P [Yn 6 x] = 1 ; n + 1 x + 1 1 ; x n+1 .
n n
Probabilites 127
En deduire que la suite de variables (Yn )n0 converge en loi vers une variable
dont on precisera la loi.
Solution :
1. La fonction fn est positive, continue sauf au point 0 et :
Z +1 Z1
fn (t) dt = (n + 1) (1 ; t)n dt = 1
;1 0
Toutes les conditions sont reunies pour armer que fn est bien une densite
de probabilite.
La variable aleatoire Yn prend ses valeurs entre 0 et n et, pour x 2 [0; n] :
x=n Z
P (Yn x) = P (Xn nx ) = (n + 1) (1 ; t)n dt = 1 ; (1 ; nx )n+1
0
? En notant Fn la fonction de repartition de Yn , on a donc : nlim
!1 Fn (x) = 0,
;
!1 Fn (x) = 1 ; e , si x 0.
si x < 0 ; nlim x
x n ;x
(En eet nlim!1(1 ; n ) = e , comme on le voit facilement en considerant
les logarithmes et si x 0, alors pour n assez grand, on a 0 x n)
Par consequent, la suite (Yn ) converge donc en loi vers une variable suivant
la loi exponentielle de parametre 1.
2. ? A nouveau, fn est positive, continue sauf au point 0 et :
Z 1
+ Z 1 Z 1
fn (t) dt = (n +1)(n +2) t(1 ; t)n dt = (n +1)(n +2)
un (1 ; u) du = 1
;1 0 0
Donc fn est une densite de probabilite.
? De la m^eme facon, Yn prend ses valeurs entre 0 et n et, pour x 2 [0; n] :
Z x=n
x
P (Yn x) = P (Xn n ) = (n + 1)(n + 2) t(1 ; t)n dt
Z 1
0
= (n + 1)(n + 2) un (1 ; u) du
1 ; nx
soit :
P (Yn x) = (n + 2) 1 ; (1 ; nx )n+1 ; (n + 1) 1 ; (1 ; nx )n+2
Ce qui s'ecrit aussi : ; 1 x + 1(1 ; x )n+1
P (Yn x) = 1 ; n + n n
Pour x 0, on a donc nlim P ( Y n x ) = 1 ; ( x + 1)e;x, tandis que pour
!1
!1 P (Yn x) = 0.
x < 0, on a : nlim
128 ESCP 99 - Oral
En derivant, ou directement, on reconna^t dans la loi limite la loi Gamma de
parametres b = 1 et = 2.
Exercice 3-24
On considere une suite (Xn )n>1 de variables aleatoires independantes,
denies sur le m^eme espace probabilise (
; B; P ), et suivant toutes la loi
uniforme sur l'intervalle [0; 1].
1. Determiner une densite de la variable aleatoire Yk = max(X1 ; :::; Xk ),
k > 1.
2. Determiner une densite de la variable aleatoire Zk = ;Yk .
3. En deduire la probabilite de l'evenement An = fXn > max(X1 ; :::; Xn;1 )g
pour n > 2.
Solution :
1. La variable Yk prend ses valeurs entre 0 et 1, et pour t 2 [0; 1], on a, par
independance et equirepartition :
P (Yk t) = P (X1 t):P (X2 t) P (Xk t) = tk
On en deduit qu'une densite fYk de Yk est donnee par :
fYk (t) = k:tk;1 , si 0 t 1 ; fYk (t) = 0, sinon
2) La variable Zk prend ses valeurs entre ;1 et 0, et pour t 2 [;1; 0] :
P (Zk t) = P (Yk ;t) = 1 ; P (Yk ;t) = 1 ; (;t)k
Une densite fZk de Zk est donc donnee par :
fZk (t) = k:(;t)k;1 , si ;1 t 0 ; fZk (t) = 0, sinon
3) On a : P (An ) = P (Xn + Zn;1 0), et la variable aleatoire Xn
etant independante de toute fonction de X1 ; : : : ; Xn;1 , la variable Xn est
independante de Zn;1 . D'ou, par convolution :
Z +1 hZ +1 i
P (An ) = fZn;1 (t)fXn (x ; t) dt dx
0 ;1
Mais fZn;1 est nulle en dehors de [;1; 0], donc :
Z +1 Z0
fZn;1 (t)fXn (x ; t) dt = (n ; 1)(;t)n;2 fXn (x ; t) dt
;1 ;1
Puis fXn vaut 1 si x ; t appartient a [0; 1] et 0 sinon. L'int Z 0 egrale precedente
est donc nulle si x 2= [0; 1], et si x 2 [0; 1] elle se reduit a (n ; 1)(;t)n;2 dt
x;1
et vaut donc (1 ; x)n;1 .
Probabilites 129
Z 1
Ainsi : P (An ) = (1 ; x)n;1 dx = n1 .
0
Exercice 3-25
1. Montrer que l'application x 7! x2 est convexe.
2. Trois autobus contiennent respectivement n1 ; n2 ; n3 passagers en plus de
leur chaueur. On considere deux experiences :
dans la premiere on choisit au hasard un des trois chaueurs, et on note X
la variable aleatoire egale au nombre de passagers de l'autobus qu'il conduit.
dans la seconde, on choisit au hasard un des n1 + n2 + n3 passagers et on
note Y le nombre de passagers de l'autobus dans lequel ce passager se trouve.
Comparer les esperances des variables aleatoires X et Y .
Solution :
1. La fonction g : x 7! x2 est de classe C 2 et g00 (x) = 2 > 0, donc g est
convexe sur R.
2. ? La variable aleatoire X prend les valeurs n1 ; n2 ; n3 avec la m^eme proba-
bilite 31 , donc E (X ) = 31 (n1 + n2 + n3 ) (on suppose donc implicitement que
n1 ; n2 ; n3 sont deux a deux distincts, mais le resultat concernant l'esperance
reste valide dans tous les cas).
? La variable aleatoire Y prend les m^emes valeurs et P (Y = ni ) =
ni , d'o
u E ( Y ) = n21 + n22 + n23 (m^eme remarque que pour la
n1 + n2 + n3 n1 + n2 + n3
variable X ).
? La convexite de g permet d'armer que l'on a :
;
g n1 + n32 + n3 g(n1 ) + g(n3 2) + g(n3 )
C'est-a-dire : (n1 + n92 + n3 ) n1 + n32 + n3 , i.e. E (X ) E (Y ).
2 2 2 2
Exercice 3-26
Soient a et b deux reels positifs distincts.
On considere X et Y deux variables aleatoires independantes suivant des lois
de Pareto de densit
es;arespectives fa et fb deniespar :
; si t 1 ; ;b;1 si t 1
fa (t) = at fb (t) = bt
1
0 si t < 1 0 si t < 1
130 ESCP 99 - Oral
1. Reconna^tre les lois de ln(X ) et de ln(Y ).
2. En deduire la loi de Z = XY .
Solution :
1. Les variables aleatoires X et Y prennent leurs valeurs dans [1; +1[, donc
ln X et ln Y prennent leurs valeurs dans R+ . Pour x 0, on a :
Z ex
P (ln X x) = P (X ex ) = a:t;a;1 dt = 1 ; e;ax
1
Donc ln X suit la loi exponentielle de parametre a. De m^eme ln Y suit la loi
exponentielle de parametre b. Une densite ga de ln X est la fonction denie
par :
Si x 0, ga (x) = ae;ax et sinon ga (x) = 0
On notera de m^eme gb une densite de ln Y .
2. Les variables aleatoires X et Y etant independantes, il en est de m^eme des
variables aleatoires ln X et ln Y . Une densite g de ln Z = ln X +ln Y s'obtient
donc par convolution : Z +1
g(x) = ga (t)gb (x ; t) dt
;1
ln Z prenant ses valeurs dans R+ , on se limite au cas x 0 et l'integrale
devient : Zx ;ax ;bx
g(x) = ae;at be;b(x;t) dt = ab e b ;; ae
0
Enn, pour x 1 : Z ln x ;at ;bt
P (Z x) = P (ln Z ln x) = ab e b ;; ae dt
h 0
i
= ab 1 (x;b ; 1) ; 1 (x;a ; 1)
b;a b a
Donc une densite de Z sur [1; +1[ est x 7! b ab ;a;1 ;b;1
; a (x ; x ).
Exercice 3-27
Une urne contient n boules numerotees de 1 a n. On tire plusieurs fois au
hasard et avec remise une boule de l'urne. On arr^ete les tirages des que
le dernier numero obtenu est superieur ou egal au numero obtenu lors du
precedent tirage. On appelle X la variable aleatoire egale au nombre de tirages
eectues.
Probabilites 131
1. Determiner X (
).
2. a) Determiner la probabilite des evenements X 2, X 3 et X = 2.
b) Pour tout k 2 X (
), determiner la probabilite de l'evenement (X k).
c) En deduire la loi et l'esperance de X , puis la limite de cette derniere lorsque
n tend vers l'inni.
3. On veut simuler l'experience precedente lorsqu'il y a 10 boules dans l'urne.
Completer les lignes manquantes du programme Pascal suivant an qu'il
ache la serie de numeros obtenus ainsi que la valeur de X correspondante :
Var u : array[1..11] of integer ;
Begin
u[1] :=1+random(10) ;
End.
L'achage a l'ecran se fera sous la forme 5 3 2 6 X = 4.
On precise que l'instruction x :=random(n) met dans la variable x declaree
de type integer une valeur hh au hasard ii entre 0 et n ; 1 (chaque appel a
random(n), pour n x e renvoie une nouvelle valeur, independante des valeurs
deja obtenues).
Solution :
1. On eectue au minimum deux tirages et au maximum n + 1 (lorsque les n
premiers tirages ont amene, dans cet ordre, les resultats n; n ; 1; n ; 2; : : :; 1).
Toutes les situations intermediaires etant possibles, on a donc X (
) =
[ 2; n + 1]].
2. a) P (X 2) = 1, P (X 3) = C2n , car l'evenement (X 3)
2
n
est realise lorsque les numeros n1 , n2 obtenus aux deux premiers tirages
verient n1 > n2 . Or il existe n2 facons de tirer deux fois un numero, toutes
equiprobables, et Cn2 facons de choisir un couple (n1 ; n2 ) de [ 1; n] 2 tel que
n1 > n2 .
On en deduit : P (X = 2) = P (X 2) ; P (X 3) = 1 ; Cn2 .
2
n
C k ;1
b) Le m^eme raisonnement montre que P (X k) = kn;1 .
n
132 ESCP 99 - Oral
k;1 k
c) Par consequent P (X = k) = Ckn;1 ; Ckn , le resultat etant valable m^eme
n n
pour k = n + 1, avec les conventions habituelles concernant les coecients
binomiaux, et aussi pour k = 1 (ce qui donne bien une probabilite nulle).
On a : n+1
P nP
+1 nP
+1
E (X ) = k:P (X = k) = k:P (X k) ; k:P (X k + 1)
k=2 k=2 k=2
Un changement d'indice dans la premiere somme donne alors :
Pn nP
+1
E (X ) = (k + 1)P (X k + 1) ; k:P (X k + 1)
k=1 k=2
D'ou, apres regroupements et simplications :
Pn k
E (X ) = Ckn = (1 + n1 )n n;!
k=0 n !1 e
3.
PROGRAM boules ; uses crt ;
Var u :Array[1..11] of integer ; i : integer ;
Begin
(randomize ;
u[1] :=1+random(10) ; i :=1 ; write(u[1], ' ') ;
repeat i :=i+1 ;
u[i] :=1+random(10) ;
write(u[i],' ') ;
until u[i]>=u[i-1] ;
writeln ('X=',i) ; readkey ;
End.
Exercice 3-28
Dans cet exercice, on considere trois variables aleatoires Y; X1; X2 admet-
tant des moments d'ordre deux, et on s'interesse a l'existence et a l'unicite
d'un minimum pour la quantite
;
E (Y ; aX1 ; bX2 )2
lorsque (a; b) parcourt R2 , E designant l'esperance.
x y
1. Soit A = z t 2 M2 (R). Montrer que :
(A est inversible) () (xt ; yz 6= 0)
Probabilites 133
2. Dans cette question et la suivante, on suppose que les variables aleatoires
X1 et X2 verient E (X12 ):E (X22 ) ; (E (X1 X2 ))2 6= 0.
a) Montrer que E (X12 ) et E (X22 ) sont des reels strictement positifs.
;
b) Plus generalement, montrer que si (a; b) 2 R2 nf(0; 0)g, E (aX1 + bX2)2
est un reel strictement positif.
;
3. Ondenit l'application : f : R2 ! R; (a; b) 7! f (a; b) = E (Y ; aX1 ;
bX2 )2
a) Montrer que f est de classe C 1 sur R2 , et qu'il existe un unique couple
(a0 ; b0 ) 2 R2 tel que : @f @f
@a (a0 ; b0) = @b (a0 ; b0 ) = 0.
b) Montrer que, dans ces conditions, on a 8 (a; b) 2 R2 ,
;
E (Y ; a0 X1 ; b0 X2 )(aX1 + bX2) = 0
puis que
; ; ;
E (Y ;aX1 ;bX2)2 = E (Y ;a0 X1 ;b0 X2 )2 +E ((a0 ;a)X1 +(b0 ;b)X2 )2
c) Etudier les extremums de f .
4. Cas particulier.
On suppose ici que X1 et X2 sont deux variables aleatoires a densite,
independantes, suivant une loi uniforme; sur [0; 1] et on pose Y = X12 .
Determiner (a0 ; b0 ) pour lequel E (Y ; a0 X1 ; b0X2 )2 est minimum .
Pour cela, on admettra que la propriete relative a l'esperance d'un produit
de variables aleatoires discretes independantes reste vraie pour des variables
aleatoires a densite independantes.
Solution :
1. Ce resultat est connu.
2. a) Si E (X12 ) = 0, alors P (X1 = 0) = 1, donc P (X1 X2 = 0) = 1 et
E (X1 X2 ) = 0, ce qui contredit l'hypothese. On conclut de la m^eme facon
pour la variable aleatoire X2 .
b) Supposons; b non nul, alors
:
8 a 2 R; E (aX1 + bX2 )2 = a2 E (X12 ) + 2abE (X1X2 ) + b2 E (X22 ) 0
Par consequent : 0 = b2[E 2 (X1 X2 ) ; E (X12 )E (X22 )] 0.
Par hypothese ce discriminant n'est pas nul, donc il est strictement negatif
et le trin^ome est toujours strictement positif.
Enn, si b = 0, il reste E (a2 X12 ) > 0 et la conclusion reste valable.
134 ESCP 99 - Oral
3. a) On a :
f (a; b)= E (Y 2 )+a2 E (X12 )+b2E (X22 )+2abE (X1X2 );2aE (X1 Y );2bE (X2Y )
La fonction f8est polynomiale, donc de classe C 1 et :
>
< @f (a; b) = 2aE (X12) + 2bE (X1X2) ; 2E (X1Y )
@a
>
: @f
@b (a; b) = 2bE (X ) + 2aE (X X ) ; 2E (X Y )
2
2 1 2 2
< 3 + 4 =4
du systeme : a b
1
4 + ;3 = 6
0 0
8 k 2 [ 1; m] ; P (X = k) = P P (X = k=X = i)P (X = i)
m
2 2 1 1
i
=1
0 sinon
1. Verier que f est une densite de probabilite.
2. Montrer que X admet une esperance et donner sa valeur.
3. F designant la fonction de repartition de X , determiner m tel que
F (m) = 21 .
4. Soit X1 ; X2 ; : : : ; Xn , n variables aleatoires independantes et de m^eme loi
que X . On pose Y = inf(X1 ; : : : ; Xn ).
a) Determiner la loi de probabilite de Y .
b) Determiner l'esperance et la variance de Y .
Solution :
1. La fonction f estZcontinue sur RZ, positive et on verie facilement que :
+1 +1
f (x) dx = e;(x;a) dx = 1.
;1 a
La fonction f est bien une densite de probabilite.
Z +1
2. La convergence de l'integrale x:e;(x;a) dx est connue et le calcul aise,
a
en integrant par parties. On obtient : E (X ) = a + 1.
(on peut aussi dire que X = a + Y , la variable aleatoire Y suivant la loi
exponentielle de parametre 1.)
Zx
3. Pour x a, on a FX (x) = e;(t;a) dt = 1 ; e;(x;a) et sinon FX (x) = 0.
a
L'equation FX (m) = 21 admet donc pour unique solution : m = a + ln 2.
4. a) La variable aleatoire Y prend ses valeurs dans [a; +1[ et, par indepen-
dance :
8 x a; P (Y x) = 1 ; P (Y > x) = 1 ; [P (X > x)]n = 1 ; [1 ; FX (x)]n
Soit :
P (Y x) = 1 ; e;n(x;a)
142 ESCP 99 - Oral
b) Une densite g de Y est donc denie par : g(x) = n:e;n(x;a) si x a et
g(x) = 0 sinon. La convergence des integrales rencontrees est evidente, par
negligeabilite classique de l'exponentielle devant la puissance et, a l'aide
d'integrationsZ par parties :
+1
? E (Y ) = nx:e;n(x;a) dx = a + n1 .
Za 1
nx2 :e;n(x;a) dx = a2 + 2a + n2 , puis :
+
? E (Y ) =
2
a
V (Y ) = 2a(1 ; n1 ) + n2 ; n12 .
Exercice 3-35
On considere n equipes de football de 1-ere division et n equipes de 2-eme
division. On tire au sort n rencontres entre ces 2n equipes (on represente
chaque equipe par une boule placee dans une urne et on extrait au hasard
et une par une les boules de cette urne, l'equipe correspondant au (2k + 1)-
eme tirage rencontrant l'equipe correspondant au (2k + 2)-eme tirage, pour
k 2 [ 0; n ; 1]]).
1. Calculer la probabilite pn que tous les matchs opposent une equipe de 1-ere
division a une equipe de 2-eme division.
2. Calculer la probabilite qn que tous les matchs opposent deux equipes de
la m^eme division.
2n;1
3. Montrer que 2 n C2nn 22n .
!1 pn et nlim
4. Calculer nlim !1 qn .
Solution :
Selon le protocole choisi, il y a (2n)! facons de vider de vider l'urne, mais
pour tout k de [ 1; n] , on peut permuter les resultats des (2k ; 1)-eme et
(2k)-eme tirages, sans que cela modie la liste des matchs a jouer. Il y a donc
en fait (2nn)! listes dierentes de matchs, toutes equiprobables. (Attention,
2
nous parlons bien de listes de matchs, c'est-a-dire que nous decidons qu'il y
a un ordre pour les dierents matchs, par exemple en decidant qu'il y a n
terrains numerotes et que la k-eme paire ira jouer sur le k-eme terrain.)
1. Pour realiser l'evenement demande, la procedure est simple : on prend
toutes les equipes de division 1 et on les repartit en en placant une sur chaque
Probabilites 143
terrain, ce qui peut se faire de n! facons, puis on procede de m^eme pour les
equipes de division 2, ce qui peut se faire aussi de n! facons. On a donc :
n 2
pn = 2(2(nn)!!) = C2n
n
2n
2. Soit Bn l'evenement de l'enonce. Si n est impair, on a qn = P (Bn ) = 0 (il
y aura au moins une rencontre entre quipes de divisions dierentes).
Si n est pair, posons n = 2m. On choisit alors les m terrains ou s'aronteront
les equipes de division 1 (les equipes de division 2 iront donc sur les autres
terrains !). Le raisonnement fait dans l'introduction montre qu'il y a (2mm)!
2
facons d'organiser les rencontres entre les equipes de premiere division et le
m^eme nombre de facons d'organiser les rencontres entre equipes de division
2. Ainsi : m
q2m = C2mm (22mm)! (22mm)! (42m)! = CC22mm
2m
4m
3. On a :
C2nn = 2n(2n ; 1)(2 n ; 2) 1 = 2n (2n ; 1)(2n ; 3) 5:3:1
n!n! n!
Ainsi : n
2 (2n ; 2)(2n ; 4) 4:2 C n 2n(2n)(2n ; 2) 4:2:1
2n
n! n!
Soit : 2n;1
2
n C2n 2
n 2n